地域医疗总合医学.docVIP

山本教授担当分　ＥＢＭ① ?検査前の可能性に、検査結果を加味　→　診断 ?Bayesの定理　検査前確率×感度?特異度＝検査後確率 　　　　　　　　　 検査前オッズ×ゆう度比＝検査後オッズ 検査前確率…患者の年齢、性別、人種、主訴、身体所見や検査データから初期仮説を形成 （経験的、主観的なもの） 感度…疾患を有する中で、検査が陽性になる割合 感度＝真陽性／（真陽性＋偽陰性）＝ＴＰ／ＴＰ＋ＦＮ 特異度…疾患のないもので、検査が陰性になる割合 特異度＝真陰性／（真陰性＋偽陽性）＝ＴＮ／ＴＮ＋ＦＰ 検査後確率…①２×２表、ないしは②Ｂａｙｅｓの定理を使って計算。 ①２×２表 Gold standard 病気あり Gold standard 病気なし 　　検査後確率 （病気である確率） 簡便診断検査 陽性 ＴＰ （真陽性） ＦＰ （偽陽性） ＴＰ＋ＦＰ 　 ＴＰ 　ＴＰ＋ＦＰ 簡便診断検査 陰性 ＦＮ （偽陰性） ＴＮ （真陰性） ＦＮ＋ＴＮ ＦＮ ＦＮ＋ＴＮ 検査前確率 ＴＰ＋ＦＮ ＦＰ＋ＴＮ Ｔｏｔａｌ 検査前確率がかなり低い?高い…検査後確率の変動が少ない。 　　　　　　　　　　　　　　　 あえて検査をしなくて良い 検査前確率が高い…陰性結果であっても検査後確率が高い事が多い→陰性だからと切る と、偽陰性を見落とす誤診をしかねない。 検査前確率が低い…陽性結果が得られても、偽陽性の可能性が高い。精査すべきは、 　　　　　　　　　 検査前確率から疾患の有無がはっきりしない場合。 ☆検査前確率を決定する問診?身体所見の重要性！ カットオフ値…病気か否かを判断する値。 病気のものを多く含む数値に設定→病気を見逃さないが偽陽性増える 正常者を多く含む設定→正常者を正常と判断できるが、偽陰性が増加 　　　※この関係をトレード?オフという（あちら立てればこちらが立たず） 克服には…データを３群以上に分類、ゆう度比を用いる。 ②Ｂａｙｅｓの定理を使って計算 　　　　陽性検査後確率＝　　　　　　検査前確率×感度 　　　　　　　　　　　｛検査前確率×感度＋（1－検査前確率）×偽陽性率｝ 　　　　※検査後確率を計算で求めるには、オッズとゆう度比に置き換える。 odds＝p/(1－p)　から　p＝odds/(1+odds) ゆう度比…偽陽性率に対する真陽性率の比率…TP／FP ☆検査前odds×ゆう度比＝検査後odds (証明)odds＝p / (1－p) p＝odds / (1+odds) として p2 = p1×Sn / [p1×Sn+(1－p1)×(1－Sp)]　から　上記☆を導く。 →地道に計算すれば何とかなるはず。 例?血清フェリチンによる鉄欠乏性貧血患者のゆう度比 フェリチン値 鉄欠乏性貧血 人数（比率） 非鉄欠乏性貧血 人数（比率） ゆう度比 ※47/55×150/2 = 41.5 ＜１８ ４７（０．５５） ２（０．０１） ４１．５ １９－４５ ２３（０．２７） １３（０．０９） ３．１ ４６－１００ ７（０．０９） ２７（０．１８） ０．４４ ＞１００ ８（０．０９） １０８（０．７２） ０．１３ ８５ １５０ 血清フェリチンが１５である患者の、鉄欠乏性貧血の検査後確率は？ ①検査前確率を０．１とすると… 　　検査前オッズは１／９　　ゆう度比は４１．５ 検査後オッズ＝１／９×４１．５＝４．６　で、これより検査後確率は０．８２ ②検査前確率を０．５とすると… 検査前オッズは１　　ゆう度比は４１．５ 検査後オッズは４１．５　で、これより検査後確率は０．９８ 　（細かい判断基準はプリント参照） ①と②の差より、検査前確率の重要性が分かる。 EBM② ある情報がTrueなのかErrorなのかの判断 True 　Error　 信頼性の欠如…偶然のバラツキ（Random error） 妥当性の欠如…バイアス（Systematic erroe）真値からの偏り…系統的な誤差 内的妥当性の欠如（内的バイアス）